Pazīmju izgūšana ir process, kurā no neapstrādātiem datiem iegūst jēgpilnas vērtības, lai modelis tās varētu efektīvi apstrādāt. Miljonu atsevišķu pikseļu vietā sistēma var izmantot malas, krāsas vai formas; tekstus pārveido par vārdu svariem vai iegultņu vektoriem. Labas pazīmes samazina datu apjomu, mazina skaitļošanas slodzi un bieži uzlabo precizitāti. Pazīmju izgūšana ir pazīmju inženierijas būtiska sastāvdaļa.
Pazīmju inženierija nozīmē atribūtu (pazīmju) atlasi, pārveidošanu un izveidi no neapstrādātiem datiem, lai mācīšanās algoritms varētu vieglāk atklāt likumsakarības. Pazīmju izgūšana no sarežģītiem datiem, piemēram, teksta, attēliem vai signāliem, iegūst kompaktas, jēgpilnas vērtības. Piemērs: atsevišķi pirkumu ieraksti tiek pārveidoti pazīmēs, piemēram, „dienas kopš pēdējā pirkuma” vai „vidējā pasūtījuma vērtība”, kas var manāmi uzlabot klientu aiziešanas prognozi.
Dimensiju samazināšana mazina datu kopas pazīmju skaitu, nezaudējot būtisko informāciju. Plaši pazīstamas metodes ir galveno komponentu analīze (PCA), kā arī t-SNE un UMAP, ko bieži izmanto vizualizācijai. Tā paātrina aprēķinus, mazina pārmācīšanās risku un padara datus vieglāk aptveramus — piemēram, ja simtiem klientu atribūtu tiek attēloti divdimensiju diagrammā, kurā līdzīgi klienti atrodas tuvu cits citam.
Iegultais vektors (embedding) ir skaitļu saraksts, kas attēlo vārda, teikuma vai dokumenta nozīmi tā, ka tekstiem ar līdzīgu saturu atrodas tuvu cits citam. Tas ļauj, piemēram, atpazīt, ka „uzteikums” un „līguma izbeigšana” ir saistīti, kaut arī tiem nav kopīgu vārdu. Iegultie vektori ir daudzu semantiskās meklēšanas sistēmu, ieteikumu pakalpojumu un RAG lietojumprogrammu pamatā; tos aprēķina speciāli apmācīti modeļi.
Likumsakarību atpazīšana ir automātiska regularitāšu, struktūru vai atkārtotu pazīmju noteikšana datos, piemēram, attēlos, skaņās, tekstos vai mērījumos. Sistēmas piešķir jaunus novērojumus zināmām kategorijām vai atklāj grupas bez iepriekš definētām etiķetēm. Pielietojumi ir sejas atpazīšana, rokraksta atpazīšana, kvalitātes kontrole ražošanā un neparastu darījumu atklāšana. Šī disciplīna ir svarīgs mašīnmācīšanās pamats.
